KI erfindet Mio. neue Materialien und liefert nach Eigenschafts-Bedarf

Moderne KI-Technologien können tatsächlich viel mehr, als seichte Texte und fotorealistische Bilder zu generieren. Aktuell sorgen sie für eine re­gel­recht sprunghafte Entwicklung in der Forschung an neuen Materialien.

Millionen Materialien in der Pipeline

Auf der Basis des Google DeepMind-Systems haben Wissenschaftler das Graphical Networks for Material Exploration (GNoME) entwickelt. Dieses lernte aus dem Training mit sehr vielen bekannten Stoffen, wie sich die Kombinationen der chemischen und physikalischen Eigenschaften diverser Atome in ihrer Kombination auf die sich daraus bildenden Materialien auswirken.

Anschließend hat man GNoME eingesetzt, um sich neue Materialien "auszudenken" und die zu erwartenden Eigenschaften zu beschreiben. Insgesamt hat die KI seitdem bereits um die 2,2 Millionen Stoffe vorhergesagt, die bisher noch unbekannt sind. Wie die Forscher in einer Publikation im renommierten Journal Nature berichteten, konnten sie über 700 von ihnen bereits im Labor praktisch herstellen, sodass diese nun getestet werden können.


In der Wissenschaft wird ständig nach neuen Materialien gesucht. Für gewöhnlich handelt es sich dabei um Arbeitsprozesse, die Monate oder gar Jahre in Anspruch nehmen. Meist ist der Ausgangspunkt das Wissen über die groben Eigenschaften aller Stoffe in einer bestimmten Gruppe. Anschließend versucht man dann, über immer neue Kombinationen genau die Moleküle zu finden, die den gewünschten Eigenschaften am nächsten kommen.

Enorme Beschleunigung

Die KI deutet nun aber eine Revolution in diesem Bereich an: Die Hoffnung besteht darin, dass der Rechner Prognosen zu unzähligen Verbindungen und ihren Eigenschaften bereitstellt. Dann müsste man quasi nur noch abfragen, welches Material sich für bestimmte Anforderungen am besten eignet und könnte direkt damit beginnen, das zurückgelieferte Ergebnis in der Praxis zu überprüfen.

Wenn das Verfahren, das sich mit GNoME andeutet, tatsächlich bewähren kann, würde dies bedeuten, dass sehr viele Forschungsarbeiten, in denen man bekannte Probleme mit neuen Materialien lösen kann, deutlich beschleunigt würden. Dies kann unter anderem die Entwicklung besserer Solarzellen, leistungsfähigerer Batterien und kleinerer Chipstrukturen in Zukunft massiv beschleunigen.


Siehe auch: